Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali uporabite sodobnejši brskalnik.
|
|
SLO
|
ENG
|
Piškotki in zasebnost
DKUM
EPF - Ekonomsko-poslovna fakulteta
FE - Fakulteta za energetiko
FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
FF - Filozofska fakulteta
FGPA - Fakulteta za gradbeništvo, prometno inženirstvo in arhitekturo
FKBV - Fakulteta za kmetijstvo in biosistemske vede
FKKT - Fakulteta za kemijo in kemijsko tehnologijo
FL - Fakulteta za logistiko
FNM - Fakulteta za naravoslovje in matematiko
FOV - Fakulteta za organizacijske vede
FS - Fakulteta za strojništvo
FT - Fakulteta za turizem
FVV - Fakulteta za varnostne vede
FZV - Fakulteta za zdravstvene vede
MF - Medicinska fakulteta
PEF - Pedagoška fakulteta
PF - Pravna fakulteta
UKM - Univerzitetna knjižnica Maribor
UM - Univerza v Mariboru
UZUM - Univerzitetna založba Univerze v Mariboru
COBISS
Ekonomsko poslovna fakulteta
Fakulteta za kmetijstvo in biosistemske vede
Fakulteta za logistiko
Fakulteta za organizacijske vede
Fakulteta za varnostne vede
Fakulteta za zdravstvene vede
Knjižnica tehniških fakultet
Medicinska fakulteta
Miklošičeva knjižnica - FPNM
Pravna fakulteta
Univerzitetna knjižnica Maribor
Večja pisava
|
Manjša pisava
Uvodnik
Iskanje
Brskanje
Oddaja dela
Za študente
Za zaposlene
Statistika
Prijava
Prva stran
>
Izpis gradiva
Izpis gradiva
Naslov:
Prepoznavanje jedi iz digitalnih slik s pomočjo konvolucijskih nevronskih mrež
Avtorji:
ID
Banko, Jan
(Avtor)
ID
Potočnik, Božidar
(Mentor)
Več o mentorju...
ID
Šavc, Martin
(Komentor)
Datoteke:
UN_Banko_Jan_2018.pdf
(2,69 MB)
MD5: 58EFC01B17C5C528F908854CD51712CE
PID:
20.500.12556/dkum/a71bcc49-752b-483e-9017-c6a71da6a097
Jezik:
Slovenski jezik
Vrsta gradiva:
Diplomsko delo/naloga
Tipologija:
2.11 - Diplomsko delo
Organizacija:
FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:
V diplomskem delu se ukvarjamo s prepoznavo jedi iz digitalnih slik s pomočjo konvolucijskih nevronskih mrež. Namen diplomskega dela je razvoj in implementacija sistema, ki je zmožen prepoznati hrano na digitalni sliki. Natančneje smo preučili delovanje konvolucijskih nevronskih mrež ter postopek prepoznavanja objektov. Opisali smo tudi uporabljene algoritme za detekcijo objektov, ki uporabljajo konvolucijske nevronske mreže. Pri implementaciji razpoznavalnika hrane smo se omejili na 8 različnih kategorij hrane. Pri testiranju na podatkovni zbirki »The Food-101 Data Set« je na množici 2400 slik najboljši izmed uporabljenih modelov detektorjev dosegel natančnost prepoznavanja 95,59 % pri uporabi metrike »PASCAL VOC 2010« ter 72,1 % pri uporabi metrike »COCO«.
Ključne besede:
računalniški vid
,
prepoznavanje hrane
,
konvolucijske nevronske mreže
,
Tensorflow
Kraj izida:
[Maribor
Založnik:
J. Banko
Leto izida:
2018
PID:
20.500.12556/DKUM-71472
UDK:
004.93:004.032.26(043.2)
COBISS.SI-ID:
21768982
NUK URN:
URN:SI:UM:DK:O14YCFLQ
Datum objave v DKUM:
31.08.2018
Število ogledov:
3039
Število prenosov:
314
Metapodatki:
Področja:
KTFMB - FERI
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago 17th Author-Date
Harvard
IEEE
ISO 690
MLA
Vancouver
:
BANKO, Jan, 2018,
Prepoznavanje jedi iz digitalnih slik s pomočjo konvolucijskih nevronskih mrež
[na spletu]. Diplomsko delo. Maribor : J. Banko. [Dostopano 31 marec 2025]. Pridobljeno s: https://dk.um.si/IzpisGradiva.php?lang=slv&id=71472
Kopiraj citat
Skupna ocena:
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
(0 glasov)
Vaša ocena:
Ocenjevanje je dovoljeno samo
prijavljenim
uporabnikom.
Objavi na:
Podobna dela iz repozitorija:
Oskrba dihalne poti pri bolniku z Madelungovo boleznijo
Temporal changes in the epidemiology, management, and outcome from acute respiratory distress syndrome in European intensive care units
Subspecies-specific sequence detection for differentiation of Mycobacterium abscessus complex
Genomic insights into the Mycobacterium kansasii complex
Identification of critical transcriptomic signaling pathways in patients with H syndrome and Rosai-Dorfman disease
Podobna dela iz ostalih repozitorijev:
Clonal mast cell disorders and hereditary [alpha]-tryptasemia as risk factors for anaphylaxis
High burden of clonal mast cell disorders and hereditary α-[alpha]tryptasemia in patients who need Hymenoptera venom immunotherapy
Integrative transcriptomic analysis in human and mouse model of anaphylaxis identifies gene signatures associated with cell movement, migration and neuroinflammatory signalling
Napovedni dejavniki za težke sistemske zaplete med imunoterapijo
Diagnostična uporabnost določanja alergogene aktivnosti preko aktivacije senzibiliziranih mastocitov pri alergiji za strup čebele ali ose
Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.
Licence
Licenca:
CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:
Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:
16.08.2018
Sekundarni jezik
Jezik:
Angleški jezik
Naslov:
Food recognition from digital images using convolutional neural networks
Opis:
In the thesis we are dealing with food recognition from digital images using convolutional neural networks. The purpose of this thesis is to develop and implement a system, capable of detecting food items in a digital image. We thoroughly studied how convolutional neural networks work, and examined the object detection pipeline. We describe convolutional neural network based object detection algorithms that were used in the thesis. In the implementation of the food detection system we limited ourselves to 8 different food categories. During testing on »The Food-101 Data Set« using 2400 images, the best object detection model of those that were used achieved a classification rate of 95.59 % when using the »PASCAL VOC 2010« metric and 72.1 % when using the »COCO« metric.
Ključne besede:
computer vision
,
food recognition
,
convolutional neural networks
,
Tensorflow
Komentarji
Dodaj komentar
Za komentiranje se morate
prijaviti
.
Komentarji (0)
0 - 0 / 0
Ni komentarjev!
Nazaj